modelo logÍstico para identificar fatores ... - pbe.uem.brstico-… · estadual de maringá (uem)...
TRANSCRIPT
UNIVERSIDADE ESTADUAL DE MARINGÁ DEPARTAMENTO DE ESTATÍSTICA
PROGRAMA DE PÓS-GRADUAÇÃO EM BIOESTATÍSTICA
RAFAELA PEREIRA
MODELO LOGÍSTICO PARA IDENTIFICAR FATORES
ASSOCIADOS E PREDIÇÃO DA RETINOPATIA DA
PREMATURIDADE
Maringá-Paraná 2016
RAFAELA PEREIRA
MODELO LOGÍSTICO PARA IDENTIFICAR FATORES
ASSOCIADOS E PREDIÇÃO DA RETINOPATIA DA
PREMATURIDADE
Dissertação apresentada ao Programa de Pós-Graduação em Bioestatística como requisito para obtenção do título de mestre em Bioestatística. Orientadora: Profª Dra Rosangela Getirana Santana. Coorientadora: Profª Dra Taqueco Teruya Uchimura.
Maringá-Paraná
2016
Dados Internacionais de Catalogação na Publicação (CIP) (Biblioteca Central - UEM, Maringá, PR, Brasil)
Pereira, Rafaela P436m Modelo logístico para identificar fatore s
associados e predição da retinopatia da prematuridade / Rafaela Pereira. -- Maringá, 2016.
52 f. : il., figs., tabs. Orientadora: Prof.ª Dr.ª Rosangela Getir ana
Santana. Coorientadora: Prof.ª Dr.ª Taqueco Teruy a
Uchimura. Dissertação (mestrado) - Universidade Es tadual de
Maringá, Departamento de Estatística, Programa de Pós-Graduação em Bioestatística, 2016.
1. Modelo logístico. 2. Retinopatia da
prematuridade - Fatores associados. 3. Bioestatística. I. Santana, Rosangela Getirana, orient. II. Uchimura, Taqueco Teruya, coorint. III. Universidade Estadual de Maringá. Departamento de Estatística. Programa de Pós-Graduação em Bioestatística. IV. Título.
CDD 23.ed. 570.15195
GVS-002762
Agradecimentos
Em primeiro lugar, agradeço a Deus por tudo que tens feito em minha
vida. Por me dar a oportunidade de ser uma pessoa melhor a cada dia.
Agradeço aos meus pais, Ednair e Adelmo, e aos meus irmãos Iolana,
Augusto e Fernando pelo apoio e por acreditarem que eu era capaz. Vocês são
o meu alicerce!
Agradeço ao meu namorado, André, pelos momentos de aprendizado
juntos, pelo amor e companheirismo.
Ao Programa de Pós-graduação em Bioestatística da Universidade
Estadual de Maringá (UEM) pelo conhecimento adquirido.
As professoras Dra Rosangela Getirana Santana, Dra Taqueco Teruya
Uchimura, Dra Darci Aparecida Martins Corrêa e Dra Isolde Terezinha
Previdelli pelas revisões, sugestões e ajudas importantes para finalização deste
trabalho.
As amizades construídas no caminho, em especial a Marina, Marcos,
Matheus, Guilherme, Emerson e Sérgio. E a todos os amigos que, longe ou
perto, fizeram parte dessa história.
Agradeço também a Coordenação de Aperfeiçoamento de Pessoal de
nível Superior (CAPES) pelo incentivo financeiro.
Lista de Figuras
Figura 1-Exame do fundo do olho ...................................................................... 2
Figura 2-Teste do reflexo vermelho com alteração no olho esquerdo. ............... 4
Figura 3-QQ-plot para resíduo deviance .......................................................... 30
Figura 4-Predito versus resíduo deviance ........................................................ 30
Figura 5-Index plots .......................................................................................... 32
Figura 6-Curva ROC e TG-ROC ...................................................................... 33
Lista de tabelas
Tabela 1-Relação entre diagnóstico da ROP e variáveis associadas. Maringá-
PR, 2006-2015. ................................................................................................ 22
Tabela 2-Categorização da idade gestacional e análise univariada. Maringá-
PR, 2006-2015. ................................................................................................ 23
Tabela 3-Categorização do peso ao nascer e análise univariada. Maringá-PR,
2006-2015. ....................................................................................................... 24
Tabela 4-Categorização do escore Apgar no 1º minuto e análise univariada.
Maringá-PR, 2006-2015. .................................................................................. 25
Tabela 5-Categorização do escore Apgar no 5º minuto e análise univariada.
Maringá-PR, 2006-2015. .................................................................................. 25
Tabela 6-Categorização dos dias totais de internação e análise univariada.
Maringá-PR, 2006-2015 ................................................................................... 26
Tabela 7-Categorização da estatura e análise univariada. Maringá-PR, 2006-
2015 ................................................................................................................. 26
Tabela 8-Modelo logístico múltiplo das variáveis que apresentaram associação
com a ROP. Maringá, 2006-2015. .................................................................... 27
Tabela 9-Contribuição das variáveis preditoras na deviance- Modelo 1 .......... 27
Tabela 10-Contribuição das variáveis preditoras na deviance- Modelo 2. ....... 28
Tabela 11-Contribuição das variáveis preditoras na deviance - Modelo 3. ...... 28
Tabela 12-Contribuição das variáveis preditoras na deviance - Modelo 4. ...... 28
Tabela 13-Modelo Logístico para a ROP em RN do método Mãe Canguru.
Maringá-PR, 2006-2015. .................................................................................. 29
Tabela 14-Estimativa da probabilidade de ter ROP. ........................................ 29
Sumário
1. Introdução ...................................................................................................... 1
2. Fundamentação teórica .................................................................................. 7
2.1. Modelo de regressão logística ................................................................. 7
2.2. Estimação dos parâmetros....................................................................... 8
2.3 Odds ratio (razão de chance) ................................................................. 10
2.4 Teste da razão de verossimilhança (teste RV) ........................................ 11
2.4 Type 1 e Type 3 ...................................................................................... 11
2.5 Teste de Hosmer e Lemeshow ............................................................... 12
2.6 Deviance ................................................................................................. 13
2.7 Estatística de Pearson ........................................................................... 13
2.8 Análise de resíduos ................................................................................. 14
2.9 Curva ROC e TG-ROC............................................................................ 16
3. Métodos ........................................................................................................ 17
3.1. Tipo de estudo e população ................................................................... 17
3.2. Variável resposta e variáveis preditoras ................................................ 19
3.3. Análise dos dados .................................................................................. 19
3.4 Critérios éticos ........................................................................................ 20
4. Resultados ................................................................................................... 21
5. Discussão ..................................................................................................... 33
6. Conclusão .................................................................................................... 36
Referências ...................................................................................................... 38
Anexo A-Modelo da ficha do ambulatório Canguru .......................................... 41
Anexo B-Parecer COPEP................................................................................. 44
Anexo C-Autorização COREA .......................................................................... 47
Anexo D-Dispensa do TCLE ............................................................................ 48
Anexo E-Formulário de exame para ROP ........................................................ 49
Resumo
A retinopatia da prematuridade é uma doença multifatorial que afeta a retina dos recém-nascidos prematuros. É uma das principais causas de cegueira infantil no mundo. O objetivo deste trabalho foi de ajustar um modelo logístico para identificar os fatores associados e para predição do diagnóstico da retinopatia da prematuridade. Trata-se de estudo transversal retrospectivo dos recém-nascidos admitidos no Programa Método Mãe Canguru do Hospital Universitário de Maringá-PR no período de janeiro de 2006 a novembro de 2015. A variável resposta foi o diagnóstico da retinopatia classificada como ausente ou presente no recém-nascido. Foi realizada a análise univariada com as variáveis preditoras e feita a categorização por meio do teste da razão de verossimilhança. Para o modelo logístico múltiplo foi verificado a qualidade do ajuste pelo teste de Hosmer e Lemeshow, deviance e estatística de Pearson e para avaliar as hipóteses do modelo foi realizado a análise de resíduos e de diagnóstico. A curva ROC foi construída para avaliar a capacidade de predição do modelo. No estudo foram incluídos 324 recém-nascidos admitidos no Programa Método Mãe Canguru, 33 (10,18%) crianças apresentaram retinopatia. As variáveis preditoras que se apresentaram como fatores de risco
para a retinopatia pelo modelo logístico múltiplo foram a idade gestacional ≤ 30 semanas (OR=3,6), peso ao nascer ≤ 1250 gramas (OR=5,14) e escore Apgar no 1º minuto < 7(OR=2,57). O teste de Hosmer e Lemeshow e a estatística de Pearson mostraram evidências de que o modelo está bem ajustado aos dados, já a deviance sobre os graus de liberdade apontou indícios de subdispersão. Na análise de diagnósticos, por meio da observação do gráfico do predito versus resíduos deviance, a função de variância mostrou-se inadequada. A capacidade de discriminação do modelo dada pela área da curva ROC foi de 0,8395 e a probabilidade ótima que diagnostica os recém-nascidos com retinopatia foi de 0,078 com sensibilidade de 0,75 e especificidade de 0,79. Concluiu-se que, o modelo pode ser usado para predição da retinopatia uma vez que apresenta uma discriminação considerável. Recém-nascidos que apresentarem uma probabilidade maior que 0,078 através do modelo logístico necessitam de maior atenção dos retinólogos e neonatologistas durante os programas de triagem para a prevenção da cegueira causada pela retinopatia.
Palavras-chave: Fatores associados, modelo logístico, retinopatia da prematuridade.
Abstract
Retinopathy of prematurity is a multifactorial disease that affects the retina of premature infants. It is a major cause of blindness in children in the world. The objective was to set a logistic model to identify associated factors and to assist in predicting the diagnosis of retinopathy of prematurity. We conducted a retrospective cross-sectional study of admitted newborns in the program “Mãe Canguru” of the University Hospital of Maringá-PR from January 2006 to November 2015. The response variable was the diagnosis of retinopathy classified as absent or present in the newborn. Univariate analysis with the predictor variables and the categorization made by the likelihood ratio test was performed. For the multiple logistic model was verified the quality of the adjustment by Hosmer and Lemeshow test, deviance and Pearson statistics and to assess the assumptions of the model was carried out the residuals analysis and diagnosis.The ROC curve was constructed to evaluate the predictive ability of the model. In the study included 324 newborns admitted in the program “Mãe Canguru”, 33 (10.18%) children had retinopathy. The variables that were presented as risk factors for retinopathy multiple logistic regression were gestational age ≤ 30 weeks (OR = 3.6), birth weight ≤ 1250 grams (OR = 5.14) and Apgar score at 1 minute <7 (OR = 2.57). The Hosmer and Lemeshow test and Pearson's statistics showed evidence that the model is well fitted to the data, since the deviance of the degrees of freedom pointed underdispersion evidence. In the analysis diagnosis through observation graph of predicted vs. deviance waste variance function proved inadequate. The model discrimination ability given by the area under the ROC curve was 0.8395, and the probability of the point diagnosing infants with retinopathy and newborns without retinopathy was 0.078 with sensitivity of 0.75 and specificity of 0.79. In conclusion, the model can be used to assist in the prediction of retinopathy of prematurity predict since it presents considerable precision. Newborns that are experiencing more likely than 0.078 by logistic model require greater attention from retina specialist and neonatologists during the screening programs for the prevention of blindness caused by retinopathy.
Keywords: Associated factors, logistic model, retinopathy of prematurity.
1
1. Introdução
A retinopatia da prematuridade (ROP) é uma doença vasoproliferativa
que afeta a retina dos bebês que nascem prematuramente. O desenvolvimento
da doença pode levar a destruição da estrutura do globo ocular e
consequentemente a cegueira total e irreversível (COSTA et al.,2013;TOMÉ et
al.,2011)
Segundo Fortes Filho (2006), a prematuridade extrema, o uso da
oxigenoterapia em alta concentração por longo período e o estado físico geral
debilitado da criança, são os fatores de risco considerados importantes para o
surgimento da ROP.
A Retinopatia da Prematuridade se apresenta como a segunda maior
causa de cegueira infantil do Brasil e uma das principais causas no mundo
(GRAZIANO; LEONE, 2005). Estima-se que no Brasil, a cada ano cerca de
1.500 crianças nascidas pré-termo e de baixo peso estão expostas ao risco de
desenvolver a ROP na sua forma mais grave e que 500 novos casos de
cegueira pela ROP ocorram a cada ano (GRAZIANO; LEONE, 2005).
A ROP foi descrita pela primeira vez por Terry, em 1942, quando houve
uso excessivo da oxigenoterapia, e como consequência houve uma epidemia
com aumento da incidência de cegueira nos bebês prematuros, denominada
por Terry de Fibroplasia retrorental, acreditando que fosse decorrente do
crescimento do tecido conectivo embrionário atrás do cristalino (BEANI;
SEGRE, 2003). Em 1951, Helth definiu como retinopatia da prematuridade
todas as fases das alterações da retina em prematuros (BEANI; SEGRE,
2003).
2
Em 1984 foi criado um Comitê de oftalmologistas de 11 países que
tinham como objetivo elaborar uma classificação universal, e por meio deste
estudo multicêntrico, a classificação internacional da ROP incorporou a
localização da lesão pelas zonas da retina envolvida, de acordo com as horas
do relógio e, finalmente, os vários estágios da doença, de acordo com o grau
das lesões vasculares estudadas (BEANI; SEGRE, 2003).
O Conselho Brasileiro de Oftalmologia (CBO), a Sociedade Brasileira de
Oftalmologia Pediátrica (SBOP) e a Sociedade Brasileira de Pediatria (SBP)
preconizam o exame oftalmológico de Fundo de Olho (FO) para recém-
nascidos prematuros com peso ≤1.500 gramas e idade gestacional ≤32
semanas, e também segundo as diretrizes publicadas em 2007, todos os bebês
nascidos com mais de 1.500 gramas, e que desenvolveram outras
comorbidades relacionadas com o nascimento prematuro, tais como a sepse,
hemorragia intraventricular, displasia bronco-pulmonar entre outras (ZIN et al.,
2007). A figura 1 mostra a realização do exame FO no recém-nascido, o
primeiro exame deve ser realizado entre a quarta e a sexta semana de vida, e
os exames subsequentes, a cada uma ou duas semanas, conforme o
diagnóstico do exame anterior (LERMANN et al., 2006; BRASIL, 2011)
Figura 1- Exame do fundo do olho
Fonte: www.objnursing.uff.br
3
É muito importante detectar a ROP até o estágio 3, considerada doença
limiar. A significância clínica da doença limiar é que se o prematuro não for
tratado nesse momento terá chance de desenvolver complicações e resultados
anatômicos e funcionais importantes em 50 % dos casos (CONSELHO
BRASILEIRO DE OFTALMOLOGIA, SOCIEDADE BRASILEIRA DE
PEDIATRIA, 2011).
Uma das maneiras para detecção de alterações visuais em recém-
nascidos (RN) é o teste do reflexo vermelho (Figura 2) realizado com auxílio de
um oftalmoscópio direto. Quando a luz emitida por este aparelho estiver
diretamente alinhada ao longo do eixo visual de uma pupila dilatada no seu
espaço aparecerá como um brilho homogêneo de cor vermelho-alaranjado,
denominado reflexo vermelho decorrente da cor do fundo do olho, observado
através do meio ocular, aquoso e córneo (LIMA, 1999; AMERICAN ACADEMY
OF PEDIATRICS, 2002). Este teste é de extrema importância a partir do
período neonatal, pois muitas crianças podem ao nascer apresentar
opacidades (leucocoria), como por exemplo, as decorrentes da catarata
congênita, que pode passar despercebida pela equipe de profissionais de
saúde e prestadores de cuidado. Contribui também para o rastreamento de
alterações no fundo do olho (segmento posterior e opacidades) no eixo visual,
e deveria ser parte dos cuidados de rotina ao RN (AMERICAN ACADEMY OF
PEDIATRICS, 2003).
4
Figura 2- Teste do reflexo vermelho com alteração no olho esquerdo.
Fonte: cuidandofamilia.blogspot.com.br
Esse teste deve ser realizado pelo próprio pediatra, no berçário ou na
sala de parto, que encaminhará ao oftalmologista em caso de qualquer
alteração ou quando houver um resultado duvidoso para a realização do exame
de Fundo de Olho (FO). A oftalmoscopia é importante, pois pode indicar a
presença de tumores como a retinoblastoma, infecções como a toxoplasmose,
rubéola, citomegalovírus e sífilis, além de doenças como a retinopatia da
prematuridade, doença relacionada à formação dos vasos da retina que podem
levar à cegueira (AMERICAN ACADEMY OF PEDIATRICS, 2002).
Segundo Costa et al.(2013), os fatores de risco mais consistentes para o
surgimento da ROP são o peso ao nascer ≤1.500g, a idade gestacional ≤32
semanas e a oxigenoterapia em alta concentração por longo período de tempo.
Entre os fatores menos consistentes estão a falta de vitamina E, exposição a
luz intensa e sepse.
O escore Apgar é um método de avaliação sistemático do recém-
nascido efetuado logo após o parto, que avalia as condições fisiológicas e a
capacidade de resposta, sendo utilizada também para identificar aqueles que
necessitam de reanimação ou cuidados especiais (LOTH et al., 2001). O teste
é usualmente realizado no primeiro e no quinto minuto de vida, logo após o
5
nascimento completo (excluindo o cordão umbilical e placenta) e desobstrução
das vias aéreas superiores. O exame avalia cinco aspectos do neonato como a
frequência cardíaca, esforço respiratório, tônus muscular, irritabilidade reflexa e
coloração da pele, e para cada um dos cinco itens é atribuída uma nota de 0 a
2, somando-se o escore de cada item para a obtenção de um resultado de no
máximo 10 pontos (LOFT et al. 2001). O somatório da pontuação de no mínimo
de zero e no máximo de dez, classificando o recém-nascido como sem asfixia
(escore Apgar 8 a 10), com asfixia leve (5 a 7), com asfixia moderada (3 a 4) e
com asfixia grave (0 a 2) (BRASIL, 2011).
O escore Apgar no primeiro minuto, geralmente correlaciona-se com o
ph do cordão umbilical e traduz uma asfixia intraparto. RN com apagar de 0-4
apresenta menores quantidades de oxigênio e maiores quantidades de pCO2,
ou PaCO2, que corresponde a pressão parcial de CO2 (gás carbônico)
no sangue arterial e exprime a eficácia da ventilação alveolar. O escore Apgar
de quinto minuto correlaciona-se melhor com as eventuais sequelas
neurológicas. O escore deve ser repetido a cada 5 minutos ate que atinja uma
nota maior ou igual a 7. O escore Apgar menor que 7 é considerado indicativo
de asfixia perinatal pelos pediatras, sendo este ponto racional para a escolha
deste valor de Apgar para determinar sofrimento fetal ou não (CICARELLI et
al., 2007).
O Programa Método Mãe Canguru de Maringá-PR, foi implantado em
2004 considerando os riscos que as crianças prematuras estavam expostas.
Muitos estudos consideram o ponto de corte para o risco da ROP de peso ao
nascer ≤1500g ou idade gestacional ≤32 semanas, outros consideram que com
este ponto de corte ocorrem muitos falsos negativos, ou seja, a criança deixa
6
de ser de risco e não recebe a devida assistência. Assim, neste estudo
utilizaram-se os dados dos RNs admitidos do Programa Método Mãe Canguru,
e uma vez que não havia um critério de screening definido na literatura, o
presente estudo se propôs a analisar esse banco de dados, verificar a
prevalência, propor pontos de corte para as variáveis preditoras, identificar os
fatores de risco associados e ajustar um modelo logístico múltiplo para a
predição quanto ao diagnóstico da ROP no RN.
A metodologia de modelo logístico, segundo Hosmer e Lemeshow
(2000) teve origem em pesquisas epidemiológicas e atualmente já é
empregado em diversos outros campos, é um dos principais métodos utilizado
para predizer ou explicar a ocorrência de determinados fenômenos quando a
variável resposta é binária. Paula (2010) comenta que o amplo uso de modelos
de regressão logística se deve pela facilidade de interpretação dos parâmetros,
e também pela possibilidade do uso desse tipo de metodologia em análise
discriminante.
Entre os trabalhos com uso do modelo logístico múltiplo para os fatores
de risco da retinopatia da prematuridade, encontra-se o de Hakeem et al.(2012)
com 172 recém nascidos prematuros e de baixo peso em um hospital
universitário no Egito, apresentando uma prevalência de 19,2% da ROP, as
variáveis idade gestacional, sepse, oxigenoterapia e transfusão sanguínea
mostraram-se relacionadas com a ROP.
O estudo de Fortes Filho et al.(2009) realizado com 450 recém nascidos
prematuros ou de baixo peso com uma prevalência de 24,2% da ROP, revelou
que os fatores estatisticamente significantes no modelo logístico múltiplo foram
7
a idade gestacional, ganho ponderal, uso de oxigenoterapia em ventilação
mecânica e a necessidade de transfusão sanguínea.
O estudo de Kavurt et al.(2014) incluiu 495 recém-nascidos prematuros
com idade gestacional ≤32 semanas e peso ao nascer ≤1500 gramas,
apresentando uma prevalência de 28,2% da ROP e os fatores associados pelo
modelo logístico múltiplo foram a sepse e idade gestacional, com risco maior
para RNs considerados pequenos para idade gestacional.
2. Fundamentação teórica
2.1. Modelo de regressão logística
Neste estudo a variável binária de interesse é a retinopatia da
prematuridade (ROP), definida da seguinte forma:
𝑍 = {1, se o RN tem o diagnóstico da ROP
0, se o RN não tem o diagnóstico da ROP (1)
Sendo que 𝑍 segue a distribuição de Bernoulli, com parâmetro 𝜋, este
parâmetro representa a probabilidade do RN ter ROP.
Considerando 𝑌𝑖 uma variável aleatória que é a soma de 𝑛𝑖, 𝑖 = 1, … , 𝑘,
variáveis aleatórias com distribuição de Bernoulli para as quais a probabilidade
é a mesma, 𝑌𝑖 segue a distribuição binomial (𝑛𝑖, 𝜋𝑖). Neste caso, a variável 𝑌𝑖
representa o número de RNs diagnosticados com ROP, com probabilidade 𝜋𝑖,
em 𝑛𝑖 eventos e 𝑘 representa o número de grupos formados.
Os modelos lineares generalizados (MLG) envolvem três passos:
definição da distribuição pertencente a família exponencial (que determina a
função de variância), escolha da função de ligação e a definição da matriz
modelo.
8
Neste caso, para a variável aleatória 𝑌𝑖 com distribuição binomial (𝑛𝑖,𝜋𝑖)
a função densidade na forma da família exponencial de probabilidade é dada
por (DEMÉTRIO, 2001)
𝑓(𝑦𝑖; 𝜃𝑖 , 𝜙) = 𝑒𝑥𝑝{1
𝜙[𝑦𝑖𝜃𝑖 − 𝑛𝑖 ln(1 + 𝑒𝜃𝑖)] + ln (𝑛𝑖
𝑦𝑖)} , (3)
onde 𝜃𝑖 é chamado de parâmetro canônico e 𝜙 é chamado de parâmetro de
dispersão que para o caso da binomial 𝜃𝑖 = ln (𝜋𝑖
1−𝜋𝑖) e 𝜙 é igual um.
Considerando um conjunto de variáveis aleatórias 𝑌1, 𝑌2, … , 𝑌𝑘 onde cada
uma representa o números de RN que apresentaram ROP em 𝑛𝑖 eventos, há
um conjuntos de variáveis preditoras como peso, IG, entre outros, que podem
estar associados a ROP, essa associação pode ser descrita pelo seguinte
equação matemática, chamada de modelo logístico linear:
logit(𝛑) = 𝛈 = 𝑿𝜷 , (4)
sendo 𝑿 = (𝒙𝟏, 𝒙𝟐, … , 𝒙𝒌)𝑇 , a matriz modelo que contém nas colunas as
variáveis preditoras, e seus elementos 𝒙𝒊 são vetores com 𝑝 elementos,
𝜷 = (𝛽0, 𝛽1, … , 𝛽𝑝)𝑇 é o vetor de parâmetros a serem estimados, que quantifica
o efeito das respectivas variáveis em relação a probabilidade de obter a ROP e
logit(.) é chamada de função de ligação canônica que relaciona a probabilidade
𝜋𝑖 de um RN ter ROP com a soma linear dos efeitos das variáveis preditoras
observadas ηi = 𝑥𝑖𝛽 (DEMÉTRIO, 2001).
A função de variância para uma variável aleatória com distribuição
Binomial é 𝑉(𝜋) =1
𝑛𝑖 𝜋𝑖(𝑛𝑖 − 𝜋𝑖) (DEMÉTRIO, 2001).
2.2. Estimação dos parâmetros
O vetor de parâmetros 𝜷 é o único valor desconhecido na equação (4) e
para obtenção da sua estimativa, �̂�, usou-se o método de máxima
9
verossimilhança, que consiste em maximizar a função de verossimilhança ou,
equivalentemente, maximizar o logaritmo neperiano da função de
verossimilhança que neste estudo será referido como logverossimilhança.
A logverossimilhança para um conjunto de observações independentes
𝑦1,𝑦2,...,𝑦𝑘 é dado pela soma das contribuições individuais, isto é, (DEMÉTRIO,
2001)
𝑙(𝜽; 𝒚) = ∑ 𝑙(𝜃𝑖, 𝑦𝑖)𝑘𝑖=1 = ∑ 𝑦𝑖𝜃𝑖 − 𝑛𝑖 ln(1 + 𝑒𝜃𝑖) + 𝑙𝑛 (𝑛𝑖
𝑦𝑖)𝑘
𝑖=1 . (5)
Neste caso, 𝜃𝑖 = ln (𝜋𝑖
1−𝜋𝑖) = 𝒙𝒊𝜷. Para maximizar a função (5) basta derivar a
logverossimilhança em relação a 𝜷 e igualar a zero. A derivada da
logverossimilhança é chamada de função escore e é denotada por 𝑈, assim o
objetivo é encontrar a solução para
𝑈(𝛽𝑗) = ∑𝜕𝑙𝑖
𝜕𝜃𝑖
𝜕𝜃𝑖
𝜕𝜋𝑖
𝜕𝜋𝑖
𝜕𝛽𝑗
𝑁𝑖=1 = 0 𝑗 = 1, … , 𝑝, (6)
em que 𝑙𝑖 = 𝑙(𝜃𝑖) e 𝑝 é o número total de parâmetros. Substituindo pelas
derivadas tem-se
∑ 𝑦𝑖(1 + exp(𝒙𝒊�̂�)) − ∑ 𝑛𝑖𝑘𝑖=1
𝑘𝑖=1 exp(𝒙𝒊�̂�) = 0 (7)
∑ 𝑦𝑖𝑥𝑖𝑗(1 + exp(𝒙𝒊�̂�)) − ∑ 𝑛𝑖𝑥𝑖𝑗 exp(𝒙𝒊�̂�)𝑘𝑖=1
𝑘𝑖=1 = 0, 𝑗 = 1, … , 𝑝. (8)
Essas equações não são lineares nos parâmetros e para resolvê-las recorre-se
a métodos numéricos. O método utilizado em MLG é o método Score de
Fisher, que é semelhante ao método de Newton-Raphson, apenas substitui a
matriz informação observada pela matriz informação esperada. O processo
iterativo do método Score de Fisher é dado por
𝜷(𝑚+1) = 𝜷(𝑚)+[−𝑲(𝑚)]−1
𝑼(𝜷(𝑚)), 𝑚 = 0,1, … , (9)
em que 𝑼(𝜷(𝒎)) é a matriz com as derivadas de primeira ordem da
logverossimilhança (4) em relação aos parâmetros do modelo, e 𝑲(𝑚) é a
10
matriz de informação esperada, que é dada pelo valor esperado das derivadas
parciais de segunda ordem da logverossimilhança, e sua equação é dada por
𝐾 = 𝑋𝑇𝑊𝑋 , (10)
W é uma matriz diagonal, e para distribuição binomial com ligação canônica
seus elementos são da forma 𝑊𝑖 = 𝑉−1(𝜋𝑖).
A estimativa de máxima verossimilhança do modelo logístico é obtida
pela procedure GENMOD do programa SAS 9.4 (SAS/STAT(R), 2016).
2.3 Odds ratio (razão de chance)
Pode-se pensar em quantas vezes aumentam a chance de um RN ter
ROP na presença de um único fator observado como, por exemplo, a
oxigenoterapia. Essa quantificação é chamada odds ratio bruta e pode ser
obtida diretamente do modelo linear logístico.
A odds ratio bruta do indivíduo 𝑖 ter ROP dada a presença de um fator
observado, 𝑋𝑗, é calculada como:
𝑂𝑅 = 𝑒 𝛽𝑗, (11)
em que 𝛽𝑗 é o parâmetro respectivo ao fator observado 𝑋𝑗.
Denotando por 𝛽𝐼 e 𝛽𝑆 os limites do intervalo de confiança para 𝛽𝑗, O
intervalo de 95% de confiança para a odds ratio é dado por
𝐼𝐶(𝑂𝑅, 95%) = [𝑒𝛽𝐼 , 𝑒𝛽𝑆]. (12)
Assim se o intervalo de confiança da odds ratio conter o valor 1 indica
que o fator observado não tem influência na chance de um RN ter ROP. Um
intervalo de confiança para odds ratio em que todos seus elementos são
maiores do que 1 indica que a chance do resultado ser ROP é maior, dado a
presença do fator observado, e desta forma é chamado de fator de risco.
11
Finalmente, um intervalo de confiança para odds ratio em que todos seus
elementos são menores do que 1 indica que a chance de ter ROP é menor,
dada a presença do fator observado e é chamado de fator de proteção. A
significância estatística da odds ratio foi avaliada pelo teste de Wald.
Quando é necessário verificar a contribuição relativa de vários fatores
agindo conjuntamente usa-se a odds ratio ajustada que é calculada a partir do
modelo de regressão logística múltiplo, de forma a controlar a influência de
vários fatores sobre a variável dependente.
2.4 Teste da razão de verossimilhança (teste RV)
O teste da razão de verossimilhança foi usado em dois momentos,
primeiro para escolha de categorias das variáveis quantitativas e depois para
selecionar variáveis no modelo logístico múltiplo.
O teste RV é um teste para comparar modelos encaixados, ou
equivalentemente, selecionar variáveis do modelo.
Considerando 𝑝 o número total de parâmetros do modelo, a hipótese
nula é 𝐻𝑜: 𝛽𝑗 = 0, 𝑗 = 1, … , 𝑝, versus 𝐻1: 𝛽𝑗 ≠ 0, em outras palavras, a hipótese
nula diz que o fator 𝑗 não tem efeito sobre a probabilidade de ter ROP. Sob
condições de regularidade, a estatística RV, tem uma distribuição assintótica
qui-quadrado com r graus de liberdade. Isto é
𝐷 = 2[ 𝑙(�̂�; 𝒚) − 𝑙(�̂�∗; 𝒚)]~𝜒𝑟2 , (13)
em que r é o número de parâmetros sob restrições, 𝑙(�̂�; 𝒚) é o máximo da
logverossimilhança sob o espaço paramétrico completo e 𝑙(�̂�∗; 𝒚) é o máximo
da logverossimilhança sob o espaço paramétrico restrito (MILLAR, 2011).
2.4 Type 1 e Type 3
12
O Type 1 e o Type 3 são duas opções do programa SAS de avaliar a
contribuição da variável preditora no modelo.
O Type 1, consiste de ajuste sequencial de modelos, começando com o
modelo nulo (intercepto apenas) e na sequencia vai acrescentando uma a uma
das variáveis preditoras. O teste da razão de verossimilhança é calculado para
cada par sucessivo de modelos e apresentado em uma tabela.
O Type 3 fornece o efeito da variável, por meio do teste da razão de
verossimilhança, na presença de todas as outras no modelo (SAS/STAT(R),
2016).
2.5 Teste de Hosmer e Lemeshow
Uma maneira de avaliar a qualidade do ajuste do modelo linear logístico
é pelo teste proposto por Hosmer e Lemeshow (1980), com a finalidade de
comprovar se o modelo proposto pode explicar bem o que se observa. Para
fazer os cálculos, as estimativas �̂�𝑖 são ordenadas e separadas em
aproximadamente 10 grupos (por padrão do programa SAS) e então a
estatística �̂� é calculada
�̂� = ∑(𝑂𝑘−𝑛𝑘
′ �̅�𝑘)2
𝑛𝑘′ �̅�𝑘(1−�̅�𝑘)
𝑔𝑘=1 , (14)
em que:
𝑛𝑘′ é o número total de indivíduo no k-ésimo grupo;
𝑂𝑘 = ∑ 𝑦𝑗𝐶𝑘𝑗=1 é a soma das respostas observadas do grupo k;
�̅�𝑘 = ∑𝑚𝑗�̂�𝑗
𝑛𝑘′
𝐶𝑘𝑗=1 é a probabilidade média esperada dentro do grupo k de um RN
ter ROP.
O teste segue aproximadamente uma distribuição qui-quadrado com g-2
graus de liberdade (g é o número total de grupos), quando o modelo está
13
especificado corretamente. Um grande valor de �̂� (e um pequeno valor de p)
indica a falta de ajuste do modelo (HOSMER; LEMESHOW, 2000).
2.6 Deviance
A deviance é uma medida da distância da logverossimilhança do modelo
saturado (com n parâmetros) e do modelo sob investigação (com p parâmetros)
avaliado na estimativa de máxima verossimilhança �̂�. Para o modelo binomial a
deviance é dada por (Paula, 2010)
𝐷(𝑦;̂ �̂�) = 2 ∑ [𝑘𝑖=1 𝑦𝑖 log (
𝑦𝑖
𝑛𝑖�̂�𝑖) + (𝑛𝑖 − 𝑦𝑖)log {(1 −
𝑦𝑖
𝑛𝑖) /(1 − �̂�𝑖)}] . (15)
Por meio da deviance pode-se julgar a qualidade do modelo, um valor
observado da deviance próximo de (k-p) pode ser uma indicação de que o
modelo ajustado aos dados é adequado.
Não é possível obter a deviance para um modelo com variável resposta
com distribuição de Bernoulli, em vista disso, foi utilizado a opção
AGGREGATE do SAS que agrupa as observações que tem valores iguais das
variáveis preditoras, considerando-as provenientes da mesma população e
tornando-as variáveis aleatórias com distribuição binomial.
2.7 Estatística de Pearson
Outra medida de discrepância de um ajuste de um modelo aos dados
observados é a estatística de Pearson generalizada que avalia a qualidade do
ajuste, sua expressão para o modelo binomial é
𝜒2 = ∑(𝑂𝑖−𝐸𝑖)2
𝐸𝑖
𝑘𝑖=1 , (16)
sendo 𝑂𝑖 a frequência observada e 𝐸𝑖 a frequência esperada. A estatística de
Pearson segue uma distribuição assintótica 𝜒𝑘−𝑝2 (DEMÉTRIO, 2001).
14
2.8 Análise de resíduos
A análise de resíduos serve para detectar valores outliers que possam
influenciar no ajuste do modelo. Naturalmente, quanto maior o resíduo, maior é
a diferença entre a realidade (dados observados) e os valores preditos pelo
modelo ajustado pelo pesquisador. Os resíduos calculados neste trabalho
foram os resíduos de Pearson generalizados, os resíduos de Pearson
padronizados e o resíduo deviance (ou componente do desvio) (SAS/STAT(R),
2016).
O resíduo de Pearson generalizado é definido como
𝑟𝑝𝑖 =𝑦𝑖−�̂�𝑖
√𝑉(�̂�𝑖) , (17)
para padronizar os resíduos de Pearson basta acrescentar (1 − ℎ𝑖) na raiz do
denominador. Denotando por 𝑟𝑝 ∗𝑖 o resíduo de Pearson padronizado tem-se
𝑟𝑝 ∗𝑖=𝑦𝑖−�̂�𝑖
√𝑉(�̂�𝑖)(1−ℎ𝑖) . (18)
O resíduo deviance é dado por
𝑟𝑑𝑖 = ±(𝑦𝑖 − �̂�𝑖)√2𝑤𝑖[𝑦𝑖(�̃�𝑖 − 𝜃𝑖) + 𝑛𝑖 ln(1 + 𝑒�̃�𝑖) − 𝑛𝑖 ln(1 + 𝑒�̂�𝑖)]. (19)
Os resíduos foram apresentados por meio de gráficos para verificar a
adequabilidade da função densidade de probabilidade. Espera-se que o
residual deviance tenha distribuição normal, para isto construiu-se o gráfico Q-
Q plot junto com o envelope conforme sugerido por Paula (2010).
Para verificar se a função de ligação é adequada, o método utilizado foi
adicionar �̂�2 ao modelo como uma variável preditora extra e examinar a
mudança ocorrida na deviance o que equivale ao teste da razão de
verossimilhança para comparar os modelos. Se ocorrer uma diminuição
15
significativa há evidência de que a função de ligação é insatisfatória
(DEMÉTRIO, 2001).
A adequabilidade da função de variância foi verificada pelo gráfico dos
resíduos deviance versus os valores ajustados. Caso os pontos estejam
dispersos sem uma tendência definida, podemos considerar a função de
variância adequada. Geralmente, quando a variância não é adequada o
problema é tratado como sobredispersão ou subdispersão (DEMÉTRIO, 2001).
Para avaliar se há superdispersão na regressão logística será observado
se a deviance (expressão 11) é maior ou menor que os graus de liberdade (k-
p), em que k é o número de grupos e p é o número de parâmetros do modelo
(PAULA, 2010).
Para identificar pontos de alavanca, influentes e aberrantes foram
observados as medidas leverage, as distâncias de Cook generalizada e os
DfBetas (DEMÉTRIO, 2001)
As medidas de alavancagem, ℎ𝑖 (leverage), que avaliam a influência dos
valores observados 𝑦𝑖 sobre os valores ajustados �̂�𝑖, são obtidas pelos valores
da diagonal da matriz de projeção aproximada �̂� dada por (DEMÉTRIO, 2001)
�̂� = �̂�1/2𝑋(𝑋𝑇�̂�𝑋)−1𝑋𝑇�̂�1/2 , (20)
em que �̂� matriz diagonal com elementos �̂�𝑖 = 𝑉−1(�̂�𝑖) e 𝑋 é matriz que
contém as variáveis preditoras.
Espera-se que as observações distantes do espaço formado pelas
variáveis explicativas apresentem valores apreciáveis de ℎ𝑖. Se ℎ𝑖 > 2𝑝/𝑛,
sendo p o número de parâmetros no modelo, considera-se a observação i
como ponto de alavanca.
16
Os DFBetas medem a alteração em �̂� ao se retirar o i-ésimo ponto da
análise. É dado por (SAS/STAT(R), 2016).
𝐷𝐹𝑏𝑒𝑡𝑎(𝑖)=�̂� − �̂�(𝒊) ≈ (𝑿𝑻𝑾𝑿)−𝟏𝑿𝒊𝑻𝑾
𝒊
𝟏
𝟐(𝟏 − 𝒉𝒊)−𝟏/𝟐𝒓𝒑𝒊 . (21)
A distância de Cook generalizada é uma medida da influência da
observação 𝑖 sobre todos os valores ajustados. A distância de Cook
generalizada pode ser definida como
𝐶𝑖 =𝑟𝑝∗𝑖
2
𝑝 [
ℎ𝑖
(1−ℎ𝑖)] , (22)
em que
𝑟𝑝 ∗𝑖 é o resíduo de Pearson padronizado;
𝑝 é o número de parâmetros ajustados no modelo;
ℎ𝑖 é o i-ésimo elemento da diagonal da matriz de projeção 𝐻.
2.9 Curva ROC e TG-ROC
Depois de obtido um modelo logístico para ROP e feito a análise dos
resíduos é necessário verificar o poder preditivo do modelo bem como sua
precisão, ou seja, verificar a capacidade do modelo de discriminar entre
aqueles indivíduos que possuem ROP e os que não possuem (HOSMER e
LEMESHOW, 2000).
Por meio da curva ROC (Receiver operating Characteristic) é possível
verificar essa característica do modelo linear logístico, essa curva é obtida pelo
gráfico formado pela probabilidade 𝑃(�̂� = 1|𝑌 = 1) (chamado de sensibilidade),
ou seja, a probabilidade do modelo de classificar corretamente que tem
diagnóstico ROP, versus 1 − 𝑃(�̂� = 0|𝑌 = 0), o termo 𝑃(�̂� = 0|𝑌 = 0) é
chamado de especificidade que é a probabilidade do modelo classificar
corretamente quem não tem ROP. Por meio da curva ROC e da TG-ROC é
17
possível escolher um ponto de probabilidade que maximiza a sensibilidade e
especificidade e assim todas as estimativas �̂�𝑖, 𝑖 = 1, … , 𝑛, maiores que este
ponto de probabilidade serão classificadas como RN com ROP, �̂�𝑖 = 1, caso
contrário serão classificadas como RN sem ROP, �̂�𝑖 = 0.
Um dos critérios para avaliar a discriminação do modelo é dada pela
área sob a curva que varia de zero a um. Como uma regra geral se a área for
igual a 0,5 sugere que não há discriminação, se a área estiver entre 0,7 e 0,8 é
considerado uma discriminaçao aceitável, para uma área entre 0,8 e 0,9 é
considerado excelente discriminaçao e para área maior que 0,9 é considerado
uma discriminação excepcional (HOSMER;LEMESHOW, 2000).
3. Métodos
3.1. Tipo de estudo e população
Foi realizado um estudo transversal retrospectivo no Hospital
Universitário de Maringá-PR. A unidade de estudo foram os RNs que
participaram do Programa Método Mãe Canguru admitidos no Hospital
Universitário de Maringá-PR no período de janeiro de 2006 a novembro de
2015, e que possuíam o registro do exame de Fundo de Olho. Foram admitidos
344 bebês e destes foram excluídos 1 RN que evoluiu a óbito nas primeiras
semanas de vida, 2 RNs que foram transferidos para outros hospitais e 17 que
não tinham o registro de exame FO, totalizando 324 RNs. Os dados foram
coletados das fichas do método mãe canguru (ANEXO A) preenchidas pelos
profissionais da saúde e quando necessário dos prontuários dos RNs.
O Método Mãe Canguru (MMC) é um método desenvolvido pelo
Ministério da Saúde em 1999 sob a portaria Ministerial nº. 693 de 5/7/2000,
18
com o objetivo de diminuir a mortalidade infantil no Brasil e propiciar a
humanização na assistência ao RN, através do contato pele a pele com a mãe.
Este método engloba os RNs que apresentam risco de vida em decorrência da
imaturidade de múltiplos sistemas. O método consiste de três etapas, a 1ª é o
período em que o RN necessita de internação na UTI Neonatal, na 2ª etapa o
RN se encontra estabilizado e permanece em alojamento conjunto com sua
mãe, a 3ª etapa consiste no acompanhamento ambulatorial do bebê após a
alta hospitalar. O atendimento ambulatorial ofertado ao RN de risco do Hospital
Universitário de Maringá tem como proposta, o acompanhamento desses
bebês, até atingirem peso ideal de nascimento, ou seja, 3.000 gramas ou
quando estiverem estáveis; garantir a continuidade da assistência; avaliar,
incentivar, encorajar e apoiar o aleitamento materno; acompanhar o estado
vacinal; acompanhar e avaliar o ganho pondero-estatural e o grau de
desenvolvimento (ROVERI et al.,2011;LAMY et al.,2005)
Todos os RNs deste estudo fizeram o teste de triagem do reflexo
vermelho ou o teste de fundo de olho. Os critérios para a classificação da
retinopatia da prematuridade foram utilizados segundo proposto pelo The
International Classification of Retinopathy of Prematurity Revisited (2006),
definindo a doença de acordo com a gravidade em cinco estágios. A avaliação
oftalmológica consistiu na oftalmoscopia indireta sob dilatação pupilar utilizando
colírios de tropicamida 0,5% ou ciclopentolato 1% e fenilefrina 2,5%. Uma gota
de cada com intervalo de 5 minutos em cada olho e 40 minutos antes do
exame. Em caso de uso de blefarostato é necessário instilar cloridrato de
proparacaína 0,5% (Conselho Brasileiro de Oftalmologia e Sociedade Brasileira
de Oftalmologia Pediátrica, 2007).
19
3.2. Variável resposta e variáveis preditoras
O diagnóstico da ROP quando presente foi classificado de acordo com a
gravidade da alteração causada na retina (estágios da ROP) para verificar a
prevalência em cada estágio. Para a variável resposta foi utilizado o
diagnóstico da ROP em duas categorias classificadas como presente ou
ausente no RN. As variáveis preditoras para estudo foram: idade da mãe
(anos), mãe trabalha (1= trabalha, 2= não trabalha), estado civil (1= casada,
2=não casada), pré-natal (1=sim, 2=não), sexo do bebê (1=feminino,
2=masculino), idade gestacional (semanas), tipo de parto (1=normal,
2=cesáreo), uso ou não de oxigenoterapia (1=sim, 2= não), intercorrências na
gestação (1=sim, 2=não), peso ao nascer (gramas), estatura ao nascer
(centímetros), ganho ponderal (gramas), prematuridade anterior (1=sim,
2=não), escore Apgar no 1º minuto, escore Apgar no 5º minuto, dias totais de
internação, renda familiar (salários mínimos).
3.3. Análise dos dados
A análise univariada foi apresentada através da média±desvio-
padrão bem como a odds ratio bruta com intervalo de confiança de 95% e
respectivo p-valor. As variáveis preditoras que apresentaram um p-valor menor
que 0,2 na análise univariada, conforme sugerido por Hosmer e Lemeshow
(2000, p.95), foram consideradas na regressão logística múltipla. As variáveis
quantitativas também foram analisadas de forma categórica para serem
acrescentadas no modelo logístico múltiplo. Para avaliar o número de
categorias iniciais foi utilizada a categorização sugerida por alguns autores,
categorias com frequências muito baixas foram unidas e para cada sequência
na diminuição de categorias usou-se o teste da razão de verossimilhança e/ou
20
contrastes. A categorização foi realizada com o intuito de conseguir um ponto
de corte de risco para as variáveis associadas a ROP e pela facilidade na
interpretação da odds ratio, optando-se pelas categorias, consideradas na
literatura, como categorias de menor risco para serem as baselines. Quando
aceito a hipótese de igualdade entre duas categorizações, foi adotada a
categorização com menor número de categorias.
O modelo logístico foi construído para avaliar a relação da variável ROP
com fatores associados conjuntamente e para predição quanto ao RN ter ROP,
para tanto, foram calculados a odds ratio ajustada, intervalos de confiança e p-
valores.
Para verificar a qualidade do modelo ajustado foi feito o teste de Hosmer
e Lemeshow, deviance e a estatística de Pearson. Para verificar as hipóteses
do modelo foi realizada a análise de resíduos e diagnósticos. Para verificar o
poder de predição do modelo foi observada a área sob a curva ROC e um
ponto de probabilidade foi escolhido para discriminar o RN com ROP e o RN
sem ROP.
3.4 Critérios éticos
Para cumprir a Resolução 466/2012 do Conselho Nacional de Saúde, o
presente estudo foi aprovado pelo Comitê Permanente de Ética em Pesquisa
Envolvendo Seres Humanos (COPEP) da Universidade Estadual de Maringá
com o Parecer nº 1.194.676/2015 (Anexo B) e com autorização do Hospital
Universitário Regional de Maringá (COREA), sob o número 060/2015 (Anexo
C). O Termo de Consentimento Livre e Esclarecido (TCLE) (Anexo D) não foi
utilizado visto que os dados eram secundários.
21
4. Resultados
No período de janeiro de 2006 a novembro de 2015, foram admitidos no
Programa Método Mãe Canguru do Hospital Universitário de Maringá-PR 344
bebês, destes foram excluídos 1 RN que evoluiu a óbito nas primeiras semanas
de vida, 2 RNs que foram transferidos para outros hospitais da região e 17 que
não possuíam o registro do exame do fundo do olho, perfazendo um total de
324 RNs. O projeto Mãe Canguru apresentou um número mínimo de 21 RNs
no ano de 2015 e no ano de 2013 o maior número, com 45 RNs de risco. Das
crianças inclusas no estudo, 167 (51,54 %) eram do sexo masculino e 157
(48,46%) do sexo feminino. O peso médio ao nascer foi de 1725,67±542,28
gramas e a média da idade gestacional foi de 32,58±3,12 semanas.
A prevalência da ROP em seus vários estadiamentos evolutivos foi de
10,18% (33 RNs), sendo que 13(39,39%) apresentaram ROP no estágio 1, 10
(30,30%) apresentaram ROP no estágio 2 e 9 (27,27%) ROP no estágio 3,
chamada de doença limiar, pois se trata do estágio em que é necessário
intervenção cirúrgica para evitar o progresso aos estágios 4 e 5 que ocasionam
grande prejuízo visual ou cegueira irreversível e apenas 1(3,03%) RN
apresentou ROP no estágio 5.
Na Tabela 1 é apresentada a odds ratio e a significância estatística para
as variáveis preditoras.
22
Tabela 1- Relação entre diagnóstico da ROP e variáveis associadas. Maringá-PR, 2006-2015.
Variáveis Sem ROP Com ROP p-valor OR IC (95%)
Peso 1787,54±525,33 1181,97±356,5 <,0001 0,997 0,996-0,998
IG 32,98±2,93 29,03±2,45 <,0001 0,624 0,533-0,730
Apgar 1º 6,87±2,29 4,93±2,74 <,0001 0,753 0,657-0,864 Apgar 5º 8,64±1,61 7,25±2,51 0,0001 0,731 0,623-0,857
Idade da mãe 25,75±6,90 25,42±4,93 0,7863 0,993 0,940-1,048
Estatura 41,24±4,09 36,72±4,70 <,0001 0,797 0,724-0,878
DTI 29,46±21,31 63,16±31,27 <,0001 1,047 1,031-1,063 Renda 2,83±1,90 2,86±1,37 0,9353 1,009 0,812-1,254
Sexo fem. 142(48,80%) 15(45,45%) 0,7159 0,874 0,424-1,801 Sexo masc.* 149(51,20%) 18(54,55%) - 1 - Fez PN 271(96,10%) 29(93,55%) 0,5039 0,589 0,446-0,503 Não fez PN* 11(3,90%) 2 (6,45%) - 1 - Parto normal 95(34,80%) 9(30%) 0,599 0,803 0,354-1,823 Parto cesáreo* 178(65,20%) 21(70%) - 1 - Com PA 43(17,27%) 3(13,64%) 0,6646 0,757 0,214-2,670 Sem PA* 206 (82,73%) 19(86,36%) - 1 - Mães que trabalham
112(42,91%) 12(40%) 0,7601 0,887 0,410-1,916
Mães que não trabalham*
149(57,09%) 18(60%) - 1 -
Mãe casada* 131(51,98%) 15(51,72%) - 1 - Mãe não casada
121(48,02%) 14 (48,28%) 0,9788
1,010 0,468-2,180
*baseline. IG: idade gestacional, PA: prematuridade anterior, PN: pré-natal, DTI: Dias totais internado.
Para a população do estudo 154 (47,53%) das crianças utilizaram a
oxigenoterapia, e 128 (39,05%) das mães apresentaram intercorrências
durante a gestação, tais como a doença hipertensiva específica da gravidez,
sangramentos, descolamento precoce da placenta, síndrome de Hellp, embolia
pulmonar entre outras. Ressalta-se que as variáveis oxigenoterapia e
intercorrências apresentaram grande quantidade de dados faltantes,
133(41,04%) e 144(44,44%) respectivamente e por isso não entraram no
estudo.
As variáveis quantitativas como a idade gestacional, peso ao nascer,
estatura ao nascer, escore Apgar no 1º e 5º minuto e dias totais de internação
23
apresentaram p-valor<0,2. Variáveis como sexo, tipo de parto e idade da mãe
não apresentaram associação com a ROP.
A análise da variável idade gestacional (Tabela 2) foi iniciada com quatro
categorias conforme estudo de Fortes Filho et al.,(2010) e Tomé et al.,(2011). A
categoria de referência foi IG>32. Em relação a odds ratio, não houve diferença
entre a categoria 30<IG≤32 e a categoria 32<IG, e desta forma foram
agrupadas em uma única categoria, isto é, a variável passou a ter três
categorias e esta decisão foi confirmada pelo teste da razão de
verossimilhança (p-valor= 0,1703), que avalia quando da junção de categorias
se há perda ou não da informação. Além disso, avaliou-se pelo teste de
contraste (p-valor=0,058) se a odds ratio das categorias IG≤28 e 28<IG≤ 30
eram iguais, e após a confirmação estas foram agrupadas. Portanto esta
variável ficou constituída de duas categorias com ponto de corte em 30
semanas. RNs com IG ≤30 semanas apresentaram 13 vezes mais chance de
apresentar a ROP comparada com crianças nascidas com IG > 30 semanas de
gestação.
Tabela 2- Categorização da idade gestacional e análise univariada. Maringá-PR, 2006-2015.
Categorias Com ROP
Sem ROP
p-valor OR IC 95%
IG≤28 17 25 <0,0001 29,40 9,15-94,47
28<IG≤30 8 30 0,0001 11,53 3,26-40,70
30<IG≤ 32 4 63 0,1619 2,746 0,66-11,30 IG>32* 4 173 - 1 -
IG≤28 17 25 <0,0001 20,06 7,86-51,15
29<IG≤30 8 30 0,0001 7,867 2,75-22,50
IG>30* 8 236 - 1 -
IG≤30 25 55 <0,0001 13,40 5,74-31,32
IG>30* 8 236 - 1 -
*baseline. IG: idade gestacional.
24
A mesma análise foi realizada para a categorização da variável peso ao
nascer (Tabela 3) que iniciou com 5 categorias, conforme o estudo de
Ghaseminejad e Niknafs, (2011) e Tomé et al. (2011), e reduziu-se a duas
categorias com um ponto de corte de 1250 gramas. A odds ratio foi de 13,63
para os RNs com peso ao nascer≤1250 gramas comparados aos RNs com
peso ao nascer>1250 gramas.
Tabela 3- Categorização do peso ao nascer e análise univariada. Maringá-PR, 2006-2015.
Categorias Com ROP
Sem ROP
p-valor OR IC 95%
PN≤1000 10 18 <,0001 26,65 6,70-05,96
1000<PN≤1250 13 24 <,0001 25,99 6,89-98,03
1250<PN≤1500 4 46 0,067 4,173 0,90-19,33
1500<PN≤1750 3 59 0,28 2,440 0,47-12,43
PN>1750* 3 144 - 1 -
PN≤1000 10 18 <,0001 18,79 6,12-57,66
1000<PN≤1250 13 24 <,0001 18,32 6,376-2,67
1250<PN≤1500 4 46 0,1051 2,942 0,79-10,84
PN>1500* 6 203 - 1 -
PN ≤ 1000 10 18 <,0001 13,83 5,09-37,54
1000<PN≤1250 13 24 <,0001 13,48 5,35-34,0
PN>1250* 10 249 - 1 -
PN≤1250 23 42 <.0001 13,63 6,05-30,68
PN>1250* 10 249 - 1 -
*baseline. PN: peso ao nascer.
A categorização da variável escore Apgar no 1º minuto (Tabela 4)
começou com três categorias, que caracterizam e estado físico da criança
como ruim, moderado e bom e foi reduzida para duas categorias. Um RN com
escore Apgar no 1º minuto < 7 apresentou 5,64 vezes mais chance de
apresentar a ROP comparada com crianças nascidos com escore Apgar do 1º
minuto≥7.
Para esta variável havia o registro de 311 RNs, sendo 32 com ROP e
279 sem ROP.
25
Tabela 4- Categorização do escore Apgar no 1º minuto e análise univariada. Maringá-PR, 2006-2015.
Categorias Com ROP
Sem ROP
p-valor OR IC 95%
Apgar<4 11 29 <,0001 8,09 3,08-21,21
4≤Apgar<7 12 58 0,0014 4,41 1,77-10,99
Apgar≥7* 9 192 - 1 -
Apgar<7 23 87 <,0001 5,64 2,50-12,69
Apgar≥7* 9 192 - 1 -
*Baseline.
A variável escore Apgar no 5º minuto reduziu-se em duas categorias,
pois as frequências eram muito baixas para uma quantidade maior de
categorias (Tabela 5) observando que 311 crianças tinham o registro desta
variável, sendo 32 com ROP e 279 sem ROP.
Tabela 5- Categorização do escore Apgar no 5º minuto e análise univariada. Maringá-PR, 2006-2015.
Categorias Com ROP
Sem ROP
p-valor OR IC 95%
Apgar < 7 8 24 0,0061 3,54 1,43-8,73
7≤Apgar* 24 255 - 1 -
*Baseline.
A análise da variável dias totais de internação iniciou-se com quatro
categorias e reduziu-se a três categorias (tabela 6), 298 crianças tinham o
registro desta variável, sendo 31 com ROP e 267 sem ROP. Mais da metade
dos RNs com diagnóstico de ROP ficaram mais de 60 dias internado. Um RN
sem ROP chegou ao máximo de 138 dias internado. Um RN que ficou
internado entre 40 e 60 dias apresentou 5,65 vezes mais chance de apresentar
a ROP comparada com crianças nascidas com menos de 40 dias, e crianças
com mais de 60 dias de internação, 20,17 vezes mais chance de apresentar a
ROP.
26
Tabela 6- Categorização dos dias totais de internação e análise univariada. Maringá-PR, 2006-2015
Categorias Com ROP
Sem ROP
p-valor OR IC 95%
DTI≤40* 7 203 - 1 -
40<DTI≤60 8 41 0,0015 5,65 1,94-16,47
60<DTI≤80 6 13 <,0001 13,38 3,92-45,61
DTI>80 10 10 <,0001 29 9,12-92,12
DTI≤40* 7 203 - 1 -
40<DTI≤60 8 41 0,0015 5,65 1,94-16,47
DTI>60 16 23 <,0001 20,17 7,51-54,15
*Baseline. DTI: dias totais de internação
E por fim, a análise da variável estatura iniciou-se com 3 categorias e
ficou constituída de duas categorias com ponto de corte em 35 centímetros.
Um RN com estatura≤ 35 centímetros apresentou 4,43 vezes mais chance de
apresentar a ROP comparada com crianças com estatura>35 centímetros.
Acrescentando-se que 28 (8,64%) RNs não tinham o registro da variável
estatura (Tabela 7).
Tabela 7- Categorização da estatura e análise univariada. Maringá-PR, 2006-2015
Categorias Com ROP
Sem ROP
p-valor OR IC 95%
EST≤35 8 26 0,0006 6,43 2,23-18,71
35<EST≤40 9 77 0,0754 2,45 0,91-6,60
EST>40* 8 168 - 1 -
EST≤35 8 26 0,0017 4,43 1,74-11,26
EST>35* 17 245 - 1 -
*Baseline. EST: estatura
No modelo logístico múltiplo foram consideradas todas as variáveis
categóricas com significância na análise univariada inferior a 0,20, conforme
preconiza Hosmer e Lemeshow (2000). A Tabela 8 mostra as estimativas e
seus erros-padrão bem como as odds ratio. Nenhuma interação foi
acrescentada no modelo. Com as variáveis preditoras idade gestacional, peso
ao nascer, escore Apgar no 1 e 5 minuto, estatura e dias totais de internação
no modelo os erros-padrão ficaram grandes e para a variável preditora dias
totais de internação o erro-padrão foi mais de duas vezes maior que a
27
estimativa. Cabe ressaltar que neste modelo foram analisadas somente as
informações de 255 RNs devido à perda de dados que foi de 21,29%.
Tabela 8-Modelo logístico múltiplo das variáveis que apresentaram associação com a ROP. Maringá, 2006-2015.
Variáveis Estimativa± Erro-padrão
p-valor OR IC 95%
Intercepto -3,99±0,5 <,0001 - -
IG≤30 semanas IG>30 semanas*
1,36±0,75 -
0,0722 -
3,90 1
0,88-17,27 -
Peso≤1250 gramas
Peso>1250 gramas*
2,20±0,88 -
0,012 -
9,09 1
1,62-51,07 -
Apgar 1<7 Apgar 1≥7*
0,88±0,57 -
0,1241 -
2,41 1
0,78-7,44 -
Apgar 5<7
Apgar 5≥7*
0,75±0,64 -
0,2391 -
2,12 1
0,60-7,48 -
Estatura≤35 centímetros Estatura>35 centímetros*
-0,65±0,66 -
0,3241 -
0,51 1
0,14-1,91 -
DTI≤40*
40<DTI ≤60 DTI> 60
-
-0,49±0,93 -0,45±1,07
- 0,5941 0,6020
1 0,60 0,63
- 0,09-3,80 0,07-5,23
*Baseline. IG: idade gestacional, DTI: dias totais de internação.
Na análise da deviance apresentada na Tabela 9 observou-se que
conforme as variáveis preditoras foram sendo adicionadas no modelo a
deviance decresce. As variáveis escore Apgar no 5 minuto, estatura e dias
totais de internação são as variáveis que não apresentaram uma contribuição
significativa no modelo. Dias totais de internação foi a variável que menos
contribuiu pela observação da Type 1, Type 3 e pelo teste RV (p-valor =0,862),
e, portanto, foi retirada do modelo.
Tabela 9- Contribuição das variáveis preditoras na deviance- Modelo 1
Análise Type 1 Análise Type 3
Variável Deviance GL Qui-quadrado
p-valor Qui-quadrado
p-valor
Intercepto 161,6043 - - - - - Idade gestacional 127,0161 1 34,59 <,0001 3,35 0,0672 Peso ao nascer 119,8802 1 7,14 0,0076 7,23 0,0072 Apgar 1º 116,3271 1 3,55 0,0594 2,40 0,1216 Apgar 5º 114,4299 1 1,90 0,1684 1,36 0,2433 Estatura 113,1943 1 1,24 0,2663 0,99 0,3203 DTI 112,8975 2 0,30 0,8621 0,30 0,8621
28
Com a retirada da variável dias totais de internação o modelo
apresentou ainda 38 (11,72%) dados faltantes. A variável estatura continuou a
apresentar pouca contribuição ao modelo (Tabela 10), lembrando que esta é a
variável com a maior quantidade de dados faltantes. Após o teste RV (p-
valor=0,221) esta variável foi excluída.
Tabela 10- Contribuição das variáveis preditoras na deviance- Modelo 2.
Análise Type 1 Análise Type 3
Variável Deviance GL Qui-quadrado
p-valor Qui-quadrado
p-valor
Intercepto 169,60 1 - - - - Idade gestacional 137,61 1 31,99 <,0001 2,61 0,1060 Peso ao nascer 129,02 1 8,59 0,0034 10,18 0,0014 Apgar 1º 124,05 1 4,97 0,0258 3,38 0,0662 Apgar 5º 122,61 1 1,44 0,2296 1,39 0,2384 Estatura 121,11 1 1,50 0,2211 1,50 0,2211
As mesmas observações foram feitas para o modelo sem estatura (Tabela 11)
e escore Apgar no 5 minuto pelo teste RV (p-valo=0,987) foi retirada do
modelo.
Tabela 11- Contribuição das variáveis preditoras na deviance - Modelo 3.
Análise Type 1 Análise Type 3
Variável Deviance GL Qui-quadrado
p-valor Qui-quadrado
p-valor
Intercepto 205,96 - - - - - Idade gestacional 163,76 1 41,92 <,0001 5,45 0,0195 Peso ao nascer 152,83 1 10,93 0,0009 11,34 0,0008 Apgar 1º 148,44 1 4,39 0,0362 4,06 0,0439 Apgar 5º 148,44 1 0,00 0,9877 0,0 0,9877
E finalmente, o modelo resultante da seleção de variáveis (Tabela 12).
Tabela 12 - Contribuição das variáveis preditoras na deviance - Modelo 4.
Análise Type 1 Análise Type 3
Variável Deviance GL Qui-quadrado
p-valor Qui-quadrado
p-valor
Intercepto 59,46 - - - - - Idade gestacional 17,93 1 41,53 <,0001 5,48 <,0001 Peso ao nascer 7,36 1 10,57 0,0011 10,89 0,0010 Apgar 1º 3,21 1 4,15 0,0417 4,15 0,0417
29
O modelo proposto contém os fatores idade gestacional, peso ao nascer
e escore Apgar no 1º minuto, as estimativas do modelo estão na Tabela 13. As
categorias idade gestacional≤30 semanas, peso ao nascer≤1250 gramas e
escore Apgar no 1 minuto<7 são categorias de risco para a ROP.
Tabela 13 - Modelo Logístico para a ROP em RN do método Mãe Canguru. Maringá-PR, 2006-2015.
Variáveis Estimativa± Erro-padrão
p-valor OR IC 95%
Intercepto -3,87±0,43 <,0001 - -
IG≤30 semanas IG>30 semanas
1,28±0,55 -
0,0206 -
3,6 1
1,21-10,66 -
Peso≤1250 gramas
Peso>1250 gramas
1,63±0,51 -
0,0013 -
5,14 1
1,89-13,97 -
Apgar 1<7 Apgar 1≥7
0,94±0,47 -
0,0445 -
2,57 1
1,02-6,49 -
IG: idade gestacional.
A Tabela 14 mostra a probabilidade de um RN ter ROP para algumas
situações, como apresentar as três características de risco, a probabilidade de
ter ROP nesta situação é de 0,4969. Um RN com nenhuma característica de
risco tem probabilidade de 0,0202 de ter ROP
Tabela 14- Estimativa da probabilidade de ter ROP.
Idade gestacional Peso ao nascer Apgar 1 minuto �̂�
IG≤30 semanas Peso≤1250 gramas Apgar 1<7 0,4969
IG≤30 semanas Peso≤1250 gramas Apgar 1≥7 0,2770
IG≤30 semanas Peso>1250 gramas Apgar 1≥7 0,0693
IG>30 semanas Peso>1250 gramas Apgar 1≥7 0,0202
O teste da qualidade do ajuste de Hosmer e Lemeshow evidenciou que
o modelo está bem ajustado aos dados observados, a estatística do teste foi de
1,09 em 3 graus de liberdade com p-valor igual a 0,7788, retratando que não
há falta de ajuste. A deviance sobre os graus de liberdade foi de 0,8,
mostrando um ajuste razoável e a estatística de Pearson generalizada também
30
mostrou indícios da qualidade do ajuste, foi de 2,3340 em 4 graus de liberdade
(p-valor = 0,6745).
É necessário verificar a adequabilidade da função de ligação e da função
de probabilidade através da análise dos resíduos.
A figura 1 para verificar a normalidade do resíduo deviance mostrou que
não há evidências de que o modelo esteja mal ajustado, todas as observações
estão contidas dentro do envelope. A figura 2 do gráfico do resíduo deviance
versus o predito para averiguar se a função de variância é adequada, mostra
uma tendência linear decrescente, que aponta que a variância decresce com o
predito, apresentando assim indícios de subdispersão. Além disso, a deviance
sobre os graus de liberdade foi de 0,8 (menor que 1), mostrando também uma
tendência de subdispersão. Um dos motivos que causa a subdispersão em
MLG, segundo Paula (2010) á a correlação entre as réplicas binárias ou
variação entre as probabilidades de sucesso de um mesmo grupo.
Pode-se levar em conta outra distribuição para diminuir os efeitos da
subdispersão.
Figura 3-QQ-plot para resíduo deviance
Figura 4- Predito versus resíduo deviance
O teste referido por Demétrio (2001) de acrescentar �̂�2 ao modelo e
comparar com o modelo proposto pelo teste RV mostrou que não houve uma
31
redução significativa na deviance, portanto pode-se dizer que a função de
ligação é adequada ao modelo.
Nota-se pela Figura 3, as distâncias de cook onde 10 observações foram
marcadas como influentes e no gráfico dos leverages cinco observações são
consideradas pontos de alavanca. As observações 108 e 307 estão presentes
na maioria dos gráficos com valores distantes das demais. A observação 108 é
um ponto aberrante, referente a um RN com ROP de grau 1 que apresenta
peso maior que 1250 gramas e escore Apgar≥7 contrastando com a tendência
do modelo . A observação 307 também é referente a um RN com ROP de grau
1 que apresenta um peso muito baixo de 765 gramas para a idade gestacional
de 31 semanas, é um ponto de alavanca que altera o valor dos coeficientes do
modelo como mostra os gráficos dos DFBetas para as variáveis idade
gestacional, peso ao nascer e escore Apgar no 1 minuto. Como neste estudo,
há poucos casos de RNs diagnosticados com ROP a remoção desses
indivíduos trará perda de informação para o estudo.
32
Figura 5-Index plots
Para avaliar a discriminação do modelo proposto construiu-se a curva
ROC e a TG-ROC (Figura 4), a área sob a curva ROC apresentou um valor
0,8395 este número representa uma discriminação excelente, segundo Hosmer
33
e Lemeshow (2000), do modelo entre quem tem ROP e quem não tem ROP. O
ponto em que a sensibilidade e especificidade são ótimas, observado pelo
gráfico da TG-ROC, resulta na sensibilidade de 0,75 e uma especificidade de
0,79, conseguindo classificar corretamente 24 de 32 RNs com ROP e 221 de
279 RNs sem ROP. Este ponto de probabilidade foi de �̂� = 0,078, que indica
que se calculado a probabilidade através do modelo logístico para um dado RN
com suas medidas de peso ao nascer, idade gestacional e escore Apgar no 1º
minuto e este apresentar uma probabilidade maior que 0,078, então será
classificado como RN com ROP, caso contrário será classificado como RN sem
ROP.
Figura 6 - Curva ROC e TG-ROC
5. Discussão
Neste estudo a prevalência da ROP foi de 10,18%, percentual abaixo do
esperado comparado a outros estudos brasileiros como o de Graziano et
al.(1994) com 29,9%, Bonotto et al.(2007) com 20%, de Tomé et al.(2011) que
foi de 44,6%, de Shisato et al.(2010) foi de 35,71% e o estudo de Schumann
(2010) a ROP chegou a atingir mais da metade da população com prevalência
de 53,14%. Dentre os estudos citados a grande maioria avalia para o estudo da
34
ROP os RNs com peso menor ou igual a 1500 gramas e/ ou idade gestacional
menor ou igual que 32 semanas.
A proporção do sexo masculino e feminino dentre os que tiveram o
diagnóstico de ROP foi de 54,55%(18 RNs) e 45,45%(15 RNs),
respectivamente, não apontando diferença entre os grupos na probabilidade de
ter ROP, enquanto que no estudo de Sola et al.(2005) o sexo masculino e a
raça branca são fatores de risco para retinopatia
A retinopatia é uma doença que está associada a multifatores, por
conseguinte, há vários fatores a serem considerados no estudo, sendo que a
idade gestacional, peso ao nascer e oxigenoterapia são encontrados com
predominância na literatura (GRAZIANO, 1994; MOTTA, 1997;COSTA, 2013).
No presente estudo, a análise univariada apontou um p-valor<0,05 para a
idade gestacional, peso ao nascer, escore Apgar do 1º e 5º minuto e estatura
ao nascer.
Neste estudo a variável oxigenoterapia não apresentou significância
estatística, provavelmente pelo fato das informações referentes a
oxigenoterapia serem pouco informativas, pois não foi possível obter nos
prontuários a concentração de oxigênio utilizada e nem o tempo em que o RN
esteve sob oxigenoterapia. Em estudo recente realizado por Tomé et al. (2011),
o tempo médio de oxigenoterapia foi estatisticamente significante entre o grupo
com ROP e o grupo sem ROP, apresentando uma média de 31,02 dias para
10,42 dias, respectivamente, evidenciando a associação entre ROP e o uso
prolongado de oxigênio. O estudo de Sola et al. (2005) relata a forte relação
entre a oxigenoterapia e a ROP, e lembra a necessidade de pesquisas que
35
falem dos níveis suficientes de oxigênio para cada RN com o intuito de prevenir
os casos mais graves.
Um dos pontos a salientar neste estudo é a categorização para as
variáveis associadas a ROP. Alguns estudos usam como ponto de corte para
peso ao nascer menor ou igual que 1500 gramas e/ou idade gestacional menor
ou igual a 32 semanas. Neste estudo houve a preocupação de selecionar os
pontos de corte que melhor discriminassem os grupos heterogêneos dentro da
população, e homogêneos dentro dos grupos, e tais pontos foram validados
através do teste da razão de verossimilhança e/ou contrastes.
O uso do modelo logístico múltiplo em estudos na área de saúde se
restringe apenas a avaliar a significância estatística dos fatores associados a
ROP. Neste estudo, entretanto, o modelo foi validado pelo teste de Hosmer e
Lemeshow e pelo teste da razão de verossimilhança, além da análise de
resíduos e diagnósticos. A curva ROC expressou a capacidade de predição
considerável do modelo que serve como um teste auxiliar para a prevenção da
ROP, RNs com probabilidade maior que 𝜋 = 0,078 pelo modelo logístico
múltiplo devem ser avaliadas com maior rigor. O modelo múltiplo apontou o
peso ao nascer, idade gestacional e o escore Apgar no primeiro minuto como
fatores associados. O grupo de maior risco foram os RNs com peso ao nascer
menor que 1250 gramas e/ou idade gestacional menor ou igual que 30
semanas e/ou escore Apgar no 1º minuto menor que 7.
Assim como neste estudo, escore Apgar no primeiro minuto menor que 7
apresentou-se como um fator de risco para a ROP como no estudo de Bonotto
et al.(2007) e Graziano e Leone (2005). No presente estudo observou-se que o
grupo com ROP apresentou pontuações mais baixas no Apgar comparado ao
36
grupo sem ROP. Além disso, Apgar no primeiro minuto continuou a apresentar
significância estatística no modelo múltiplo.
Os resultados dos exames com diagnósticos da ROP não estavam
registrados em formulários específicos do exame realizado pelo retinólogo,
dificultando a obtenção das informações, e os mesmos na maioria das vezes
estavam registrados na evolução médica nos prontuários das crianças,
evidenciando a inexistência de um protocolo único avaliativo das reais
condições de saúde visual das crianças.
Acrescente-se também a não existência de um protocolo a ser seguido
para a triagem do RNs com suspeita de ROP, quantas avaliações devem ser
realizadas para detectar a doença, quais técnicas são apropriadas e como os
resultados devem ser registrados.
6. Conclusão
Foi possível obter um modelo para a predição quanto ao diagnóstico da
ROP que pode servir como um teste auxiliar para a prevenção da doença. O
grupo de maior risco são os RNs com idade gestacional menor ou igual a 30
semanas e/ou peso ao nascer menor ou igual a 1250 gramas e/ou escore
Apgar no 1 minuto menor que 7, que deverão merecer maior atenção dos
retinólogos e neonatologistas durante os programas de triagem, destacando
que o diagnóstico na fase inicial da doença é fundamental.
Salienta-se também a necessidade de melhorar o registro dos dados dos
bebês internados na UTI, para facilitar o uso dos dados e todas as informações
necessárias para estudos futuros. A Utilização de um formulário único (Anexo
E) para o exame da retinopatia proposto pelo I Workshop de ROP, da
37
Sociedade Brasileira de Pediatria, Conselho Brasileiro de Oftalmologia e
Sociedade Brasileira de Oftalmologia Pediátrica apresentado por Zin et al.
(2007), propiciaria a uniformização dos dados para estudos e normas para o
tratamento como também a redução dos custos sociais e financeiros do
estado.
Estudar os dados do Programa Método Mãe Canguru sob qualquer
ponto de vista auxilia o profissional de saúde quanto a informação do perfil dos
RNs, e isto reflete em melhorias para a comunidade que necessita do
atendimento de qualidade dos hospitais.
38
Referências
American Academy of Pediatrics. Section on Ophthalmology. Screening examination of premature infants for retinopathy of prematurity. Pediatrics,
v.108, p. 809-811, 2003.
American Academy of Pediatrics. Red Reflex Examination in Infants. Pediatrics, n.5, p. 980-981,2002.
BEANI,J.V.;SEGRE, C. A. M. Retinopatia da prematuridade. Pedriatria moderna. Revista Brasileira de Medicina, v.39, p. 405-410, 2003.
BONOTTO, L. B.; MOREIRA, A. T. R.; CARVALHO, D. S. Prevalência de retinopatia da prematuridade em prematuros atendidos no período de 1992-1999 em Joinville (SC): avaliação de riscos associados. Arquivos Brasileiros de Oftalmologia. v. 70, n. 1, p. 55–61, 2007. BRASIL. Atenção humanizada ao recém-nascido de baixo peso: Método
canguru. 2. ed. Ministério da Saúde. Secretaria de Atenção à Saúde. Departamento de Ações Programáticas Estratégicas. 2011 CICARELLI, D.D.; SILVA, R.V.; FRERICHS, E.; PAGNOCCA, M.L. Bloqueio combinado para analgesia de parto: A adição de Sulfentanil ao anestésico local influencia o Apgar dos recém-nascidos?. Revista Brasileira de Anestesiologia, 2007. CONSELHO BRASILEIRO DE OFTALMOLOGIA, SOCIEDADE BRASILEIRA DE PEDIATRIA. Retinopatia da Prematuridade. Associação Médica Brasileira
e Conselho Federal de Medicina. Projeto diretrizes. 2007. CONSELHO BRASILEIRO DE OFTALMOLOGIA, SOCIEDADE BRASILEIRA DE PEDIATRIA. Retinopatia da Prematuridade. Associação Médica Brasileira e Conselho Federal de Medicina. Projeto diretrizes. 2011. COSTA, F. A. S.;GUMIEIRO, D. E. V. B.; SFAIR, L. C.;OLIVEIRA, M. F.;CARDOSO, A.S.;PINTO, A. G. T.;SOUSA, B. A. Retinopatia da prematuridade: uma revisão. Revista de Medicina e Saúde de Brasília.
v.2,n.1,p. 37-45, 2013 DEMÉTRIO, Clarice Garcia Borges. Modelos lineares generalizados em experimentação agronômica. USP/ESALQ, 2001.
FORTES FILHO,J.B. Retinopatia da prematuridade. Revista Brasileira de Oftalmologia, v. 65, n. 4, p. 246-248, 2006. FORTES FILHO, J. B.;ECKERT, G. U.;VALIATTI, F. B.; COSTA, M. C.; BONOMO, P. P.; PROCIANOY, R. S. Prevalência e fatores de risco para a retinopatia da prematuridade: estudo com 450 pré-termos de muito baixo peso. Revista Brasileira de Oftalmologia, v. 68, n. 1, p. 22-29, 2009.
39
FORTES FILHO, J.B., ECKERT, G. U.; VALIATTI, F. B.;SANTOS,P.G.B.; COSTA, M.C.; PROCIANOY, R. S. The influence of gestational age on the dynamic behavior of other risk factors associated with retinopathy of prematurity (ROP). Archive for clinical and experimental Ophtalmology, v.248, n.6, p.
893-900, 2010. GHASEMINEJAD, A.; NIKNAFS, P. Distribution of Retinopathy of Prematurity and Its Risk Factors. Iranian Journal of Pediatrics, v. 21, n.2, p.209-214,
2011. GRAZIANO, R. M. Retinopatia da prematuridade: contribuição ao estudo da ocorrência e análise dos fatores de risco. São Paulo: Faculdade de Medicina da Universidade de São Paulo, 1994. GRAZIANO, R. M.; LEONE, C. R. Problemas oftalmológicos mais frequentes e desenvolvimento visual do pré-termo extremo. Jornal da Pediatria: Rio de
Janeiro, v. 81, n. 1, p. S95–100, 2005. HAKEEM, A. A. H. A.; MOHAMED, G. B.; OTHMAN, M. F. Retinopathy of prematurity: a study of incidence and risk factors in NICU of Al-Minya University Hospital in Egypt. Journal of Clinical Neonatoly, v 1, n. 2,p. 76-81, 2012. HOSMER, David W.; LEMEShOW, Stanley. Goodness of fit tests for the multiple logistic regression model. Communications in statistics-Theory and Methods, v. 9, n. 10, p. 1043-1069, 1980. HOSMER, D. W.; LEMESHOW, S. Applied Logistic Regression. John Wiley & Sons, Inc. New York, 2000.
KAVURT, S.;OZCAN, B.;AYDEMIR, O.;BAS, A.Y.;DEMIREL,N. Risck of retinophaty of prematurity in Small for gestational Age premature infants.Indian Pediatrics, v.51, p. 804- 806, 2014.
LAMY, Z. C.;GOMES, M. A. S. M.;GIANINI, N.O.M.;HENNIG, M.A.S. Atenção humanizada ao recém-nascido de baixo peso-Método Canguru: a proposta brasileira. Ciência e Saúde Coletiva, v.10, n.3, p. 659-668, 2005.
LERMANN, V. L.; FILHO, J. B. F.; PROCIANOY, R. S. The prevalence of retinopathy of prematurity in very low birth weight newborn infants. Jornal da pediatria, v. 82, n. 1, p. 27–32, 2006.
LIMA, A. J. Pediatria essencial. 5ª. RJ: Atheneu, 1999. LOTH, E.; VITTI, C.; NUNES, J.L. A diferença das notas do escore de Apgar entre crianças nascidas de parto normal e parto cesariana. Arquivos de Ciência da Saúde, Unipar, 2001 MILLAR, R.B. Maximum Likelihood Estimation and Inference: with exemple in R, SAS and ADMB. 2011.
40
MOTTA, Mário Martins Santos dos. Retinopatia da prematuridade limiar em crianças submetidas à terapia com surfactante endotraqueal. 1997. Tese
de Doutorado. Universidade Federal de Sao Paulo. Escola Paulista de Medicina. PAULA, G. Modelos de Regressão Com Apoio Computacional. São Paulo:
IME/USP. 2010. ROVERI, P.F.;CORRÊA, D. A. M.;GONZALES,H. F.;DIANIN, L. C.;BUSATTO, V. Perfil do bebês atendidos no ambulatório canguru. Encontro Internacional de produção científica Cesumar. 2011 SAS/STAT(R). Acesso em : 28/mar/2016. Disponível em: < http://support.sas.com/index.html>. SCHUMANN, R. F.;BARBOSA, A. D.M.;VALETE, C. O. Incidência e gravidade da retinopatia da prematuridade e sua associação com morbidade e tratamentos instituídos no Hospital Universitário Antonio Pedro, entre 2003 a 2005. Arquivos Brasileiros de Oftalmologia, v.73, n.1, p. 47-51, 2010. SHISATO, R. N.;PACCOLA, L.; GONÇALVES, W. A.,BARBOSA,J. C.;MARTINEZ, F. E.;RODRIGUES, M.L.V.;JORGE, R. Frequência de retinopatia da prematuridade em recém-nascidos no Hospital das Clínicas da Faculdade de Medicina de Ribeirão Preto da Universidade de São Paulo. Arquivo Brasileiro de Oftalmologia, v.73, n.1, p. 60-65, 2010. SOLA, A.;CHOW,L.;ROGIDO,M. Retinopatía de la prematuridad y oxigenoterapia: una relación cambiante. Anais da Pediatria, v. 62, n.1, p. 48-
63, 2005 The International Classification of Retinopathy of Prematurity Revisited. Archives of Ophtalmology,v.123, n.7, p.991-999, 2006
TOMÉ, V. A. V.; VIEIRA, J. F.; OLIVEIRA, L. B. d.; PINTO, R. d. M. C.; ABDALLAH, V.O. S. Study of retinopathy of prematurity in a university hospital. Arquivos brasileiros de oftalmologia. v. 74, n. 4, p. 279-282,2011.
ZIN, A.; FLORÊNCIO, T.; FORTES FILHO, J.B.; NAKANAMI, C.R; GIANINI, N.; GRAZIANO, R.M., MORAES, N. Proposta de diretrizes brasileiras do exame e tratamento de retinopatia da prematuridade (ROP). Arquivos Brasileiros de Oftalmologia. v.70, n. 5, p. 875-883, 2007.
41
Anexo A – Modelo da ficha do ambulatório Canguru
42
43
44
Anexo B – Parecer COPEP
45
46
47
Anexo C- Autorização COREA
48
Anexo D- Dispensa do TCLE
49
Anexo E- Formulário de exame para ROP
50
51
52